Введение в автоматизированное машинное обучение (AutoML)
Эта книга представляет собой первое всеобъемлющее руководство по автоматизированному машинному обучению (AutoML) — быстро развивающейся области, которая устраняет ключевое узкое место в применении ML: необходимость ручного выбора архитектур и гиперпараметров экспертами. Авторы, ведущие специалисты в этой области, систематически излагают фундаментальные методы и подходы, делая сложные концепции доступными для широкой аудитории.
В первой части подробно рассматриваются основные методы AutoML, включая оптимизацию гиперпараметров, байесовскую оптимизацию, методы с переменной точностью и их практическое применение. Книга объясняет, как системы AutoML способны к автоматической настройке независимо от типа входных данных, что делает машинное обучение более доступным для неспециалистов.
Издание служит как отправной точкой для новичков, так и справочником для практиков, уже использующих AutoML в работе. Особое внимание уделяется современным проблемам и перспективным направлениям исследований, включая вопросы масштабируемости, переобучения и создания воспроизводимых бенчмарков.
Книга опубликована под лицензией Creative Commons, что подчёркивает её открытый и образовательный характер. Это делает её ценным ресурсом для студентов, исследователей и инженеров, стремящихся освоить передовые методы автоматизации машинного обучения.
